본 논문은 대규모 도메인 특화 다국어 대화 데이터셋 생성의 어려움을 해결하기 위해, 은닉 마르코프 모델(HMM)과 대규모 언어 모델(LLM)을 통합한 새로운 프레임워크인 Chain-of-Intent를 제시합니다. Chain-of-Intent는 실제 전자상거래 채팅 로그에서 도메인 특화 의도 전이 패턴을 추출하여 회차별 역학 및 의도 시퀀스 모델링에 활용하고, LLM을 사용하여 HMM의 방출 확률을 매개변수화하여 예측된 의도 및 대화 맥락에 맞는 자연스럽고 일관된 발화를 생성합니다. 또한, 대규모 주석 데이터셋에 대한 의존성을 줄이면서 성능을 향상시키는 다중 작업 대조 학습 프레임워크인 MINT-CL을 제안합니다. 실험 결과, 제안된 방법은 특히 다국어 환경에서 대화 생성 품질과 분류 정확도 모두에서 경쟁 기준 모델을 능가함을 보여줍니다. 마지막으로, 향후 연구를 위해 전자상거래 도메인에서 파생된 포괄적인 다국어 의도 인식 다회차 대화 말뭉치인 MINT-E를 공개합니다.
